基于双协方差随机子空间识别的类噪声数据低频振荡辨识

摘要：

低频振荡可能会给电力系统的安全稳定带来极大危害,因此在线监测和分析低频振荡参数十分重要.为了有效地从类噪声数据中获取低频振荡模态参数,基于双协方差随机子空间识别(stochastic subspace identification,SSI)算法提出了一种低频振荡模态辨识的新方法.在传统SSI算法的基础上,引入双协方差SSI算法和系统聚类算法对物理模态自动拾取、自动定阶,实现低频振荡参数的有效精确辨识.分别应用传递函数和IEEE WSCC 3机9节点系统模型产生的仿真数据进行了测试,结果表明该方法能够实现自动定阶,得到的稳定图较传统SSI算法更清晰,识别结果中不会出现虚假模态,能高精度估计低频振荡模态参数,且抗噪性能良好.

关键词：类噪声、低频振荡、随机子空间识别、双协方差、系统聚类

所属期刊栏目：33

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金青年科学基金项目51607072

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：25-32